[发明专利]一种视频监控场景下的人体跟踪方法

说明书

本发明公开了一种视频监控场景下的人体跟踪方法，包括以下步骤：S1、在第一帧图像中进行人体运动检测；S2、对每个运动人体进行标号；S3、提取运动人体图像，生成人体小图；S4、确定跟踪人体并计算出跟踪人体的特征向量；S5、预测第二帧图像中跟踪人体出现的位置和姿态；S6、在第二帧图像中找到与步骤S5中预测的位置、姿态相同的运动人体并进行提取，计算出运动人体的特征向量；S7、将第二帧图像中运动人体的特征向量与第一帧图像中跟踪人体的特征向量进行对比；S8、后续跟踪比对并得出跟踪结果。

技术领域

本发明涉及图像处理领域，尤其涉及一种视频监控场景下的人体跟踪方法。

背景技术

人体检测和人体跟踪广泛应用于监控行业，通常用于人数统计、行为分析等应用。目前的人体检测通过边缘识别、梯度直方图、色彩直方图等方法实现视频内人体检测，进而可以支持人体跟踪。而常用的人体跟踪技术主要基于帧间差分法、光流法、卡尔曼滤算法等，可以在一些简单场景下取得不错的跟踪效果，但在普通视频监控场景下，尤其是人员数量较多、人体移动速度较快、人体有遮挡、姿态变化较大的情况下，就会出现跟踪丢失或错误的情况。因此，如何在人员基数较大的视频监控场景内进行人体跟踪是一个亟待解决的问题。

发明内容

本发明目的是针对上述问题，提供一种适用于在人数较多的场景中进行人体跟踪的视频监控场景下的人体跟踪方法。

为了实现上述目的，本发明的技术方案是：

一种视频监控场景下的人体跟踪方法，包括以下步骤：

S1、在监控视频的第一帧图像中进行人体运动检测，检测出第一帧图像中的人数和运动人体边缘；

S2、当检测到只有一个运动人体时，采用帧间差分法、光流计算法、统计学方法的组合对该运动人体进行跟踪；当检测到有两个及两个以上的运动人体时，对每个运动人体进行标号；

S3、将每个运动人体从第一帧图像中单独提取出来，生成人体小图；

S4、通过人体小图中人体的高宽比值特征确定跟踪人体，并计算出跟踪人体的特征向量；

S5、根据跟踪人体的人体姿态和运动方向，预测第二帧图像中跟踪人体出现的位置和姿态；

S6、在第二帧图像中找到与步骤S5中预测的位置、姿态相同的运动人体并进行提取，计算出运动人体的特征向量；

S7、将第二帧图像中运动人体的特征向量与第一帧图像中跟踪人体的特征向量进行对比；当两个特征向量相同时，则确定第二帧图像中的运动人体为跟踪人体，当两个特征向量不同时，提取第二帧图像中运动人体的临近人体的特征向量与跟踪人体的特征向量进行对比；

S8、当第二帧图像中没有找到跟踪人体时，则判断人体跟踪丢失，并标记次数为1，继续在下一帧图像中寻找跟踪人体；当人体跟踪丢失次数累计达到阈值后，则判断跟踪人体离开视频监控区域；当人体跟踪丢失次数累计达到阈值前，再次找到跟踪人体，则判断跟踪人体的姿态出现重大调整或跟踪人体被遮挡，其累计次数归零，重新计算次数。

进一步的，所述步骤S3中采用边缘识别、梯度直方图、色彩直方图、低通滤波去噪、背景差分法、形态学图像处理、区域连通性分析方法中的一种或几种的组合将每个运动人体从第一帧图像中单独提取出来。

进一步的，所述步骤S4中跟踪人体的特征向量为多维度向量值，其包含人体小图的灰度特征值、颜色特征值、内容特征值、人体姿态值、运动方向值。

与现有技术相比，本发明具有的优点和积极效果是：